| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·选题背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本文组织结构 | 第14-15页 |
| 第2章 人工神经网络 | 第15-26页 |
| ·神经网络概述及种类 | 第15-16页 |
| ·BP神经网络 | 第16-20页 |
| ·BP神经网络结构 | 第16-17页 |
| ·BP神经网络学习过程 | 第17-18页 |
| ·BP神经网络优缺点及其改进方法 | 第18-20页 |
| ·小波神经网络 | 第20-25页 |
| ·小波变换理论 | 第20-21页 |
| ·小波神经网络学习过程 | 第21-24页 |
| ·小波神经网络特点 | 第24页 |
| ·小波神经网络的发展及其学习算法进展 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 粒子群算法介绍及其改进方法在优化小波神经网络中的应用 | 第26-36页 |
| ·粒子群算法原理 | 第26页 |
| ·粒子群算法数学描述 | 第26-28页 |
| ·粒子群算法学习过程 | 第28-29页 |
| ·粒子群算法改进方法 | 第29页 |
| ·随机扰动粒子群优化算法 | 第29-34页 |
| ·吸引算子 | 第30页 |
| ·随机扰动思想 | 第30-31页 |
| ·随机扰动粒子群算法学习过程 | 第31页 |
| ·随机扰动粒子群算法性能比较 | 第31-34页 |
| ·随机扰动粒子群-小波神经网络(SDPSO-WNN)模型 | 第34-35页 |
| ·粒子群算法优化小波神经网络特点及其发展应用 | 第34页 |
| ·SDPSO-WNN的学习过程 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 SDPSO-WNN预测模型在经济预测中的应用 | 第36-44页 |
| ·SDPSO-WNN在房地产市场中的应用 | 第36-40页 |
| ·影响房价因素分析 | 第36-38页 |
| ·SDPSO-WNN对全国商品房平均销售价格预测结果 | 第38-40页 |
| ·SDPSO-WNN在乘用车市场中的应用 | 第40-42页 |
| ·影响乘用车市场因素分析 | 第40页 |
| ·SDPSO-WNN对乘用车市场销售量的预测结果 | 第40-42页 |
| ·SDPSO-WNN缺陷分析 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第5章 总结及展望 | 第44-46页 |
| ·全文总结 | 第44页 |
| ·展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 在校期间发表的论文和参与的项目 | 第50-51页 |
| 致谢 | 第51页 |
